Книга: Интернет вещей. Новая технологическая революция

Шаги к началу проекта IoT

Шаги к началу проекта IoT

Для быстрого успеха вам не надо начинать с такого сложного проекта, включающего множество заводов по всему миру. Как мы уже замечали, ваш первый IoT-проект может и должен быть небольшим. Я видел, как многие внедряли сетевые операции в производство пошагово:

1. Подключите устройства отдельной зоны посредством Ethernet и открытых протоколов для более полного сбора показаний с датчиков.

2. Свяжите зоны друг с другом и перенесите все отдельные, созданные для выполнения конкретной задачи или для работы с конкретным устройством, сети в единую сеть предприятия, чтобы обеспечить прозрачность IoT, производство в реальном времени и сокращение издержек.

3. Внедрите на предприятии гибкую многозадачную платформу для мобильности, взаимодействия и туманных/облачных вычислений и оптимизируйте ее для последующих трех сценариев быстрого извлечения выгоды.

4. Внедрите многозадачную платформу в сети предприятий, чтобы добиться необходимого охвата и выстроить оптимальную производственную цепочку операций.

Каждый из этих этапов базируется на предыдущих и сам по себе дает быстрый результат.

Добавление удаленных операций, мониторинга, контроля и управления ресурсами

Вы когда-нибудь оказывались в ситуации, когда упаковочная линия вдруг встает и раздается сигнал тревоги, означающий, что одна из многочисленных дверец аппарата раскрыта? Но вы не знаете, какая именно дверца раскрылась, поэтому вам приходится отправлять в цех инженера, который должен проверить все дверцы, чтобы снова запустить линию. Удаленные операции начинают приносить выгоду, как только вам впервые не приходится отправлять человека на проверку устройства. В долгосрочной перспективе люди всегда обходятся дороже, чем технологии. Внедрив IoT и подключив все устройства к единой IP-сети, вполне логично на следующем шаге организовать удаленный мониторинг или управление ресурсами.

Очевидная выгода этого сценария заключается в сокращении расходов на персонал, но есть и другие преимущества. К примеру, находясь в любой точке сети, вы получаете доступ не только к этой точке, но и ко всем другим подключенным областям. Вы также получаете информацию об эксплуатации устройств. Вскоре станет очевидно, какие устройства эксплуатируются чрезмерно, а какие простаивают, и вы сможете принять больше обоснованных управленческих решений на базе этого дополнительного знания. К примеру, вы сможете перенастроить чрезмерно эксплуатируемое устройство таким образом, чтобы добиться его использования наравне с другими устройствами.

Преимущества удаленного мониторинга и управления ресурсами на базе IoT особенно очевидны в сфере грузоперевозок, но подобные выгоды может извлечь любая организация с разветвленной сетью подразделений в любом сегменте отрасли. Удаленное управление грузовиками подразумевает ряд функций, которые позволяют операторам ликвидировать или минимизировать риски инвестиций в транспортные средства, повышать эффективность, продуктивность и уровень соответствия требованиям регуляторов, а также сокращать общие расходы на транспортировку и персонал.

В грузоперевозках на первом этапе внедрения IoT весь парк грузовиков снабжают датчиками, которые постоянно сообщают данные о состоянии каждого грузовика, о необходимости его технического обслуживания, телематику (отслеживание и диагностику), контроль за состоянием водителя, управление скоростью, контроль за уровнем топлива и охрану труда.

Представьте, что каждый компонент и процесс, происходящий в каждом грузовике, контролируется датчиком, напоминающим датчик уровня топлива. Когда он фиксирует возможную проблему, к примеру резкое падение давления масла, начало перегрева двигателя или просто низкое давление в шинах, диспетчеры грузоперевозок видят это и сообщают о проблеме водителю. В этот момент водитель и диспетчер определяют адекватные корректирующие меры и решают, как скоро их необходимо предпринять.

С точки зрения выгоды, когда функционирует удаленный мониторинг, грузовики меньше простаивают, а расходы на управление ими и их техническое обслуживание сокращаются. Когда грузовик все же приходится снять с работы, он обычно быстрее возвращается в строй. Удаленный мониторинг на базе IoT позволяет компании сокращать число неожиданных поломок и избегать значительных отступлений от графика поставок. Итак, благодаря IoT грузовики больше времени генерируют прибыль и меньше времени проводят в ремонте. Одно только сокращение количества нарушений графика и логистики сполна окупает инвестиции в IoT.

Упоминавшийся в третьей главе стартап Davra Networks внедряет решения удаленного управления грузоперевозками в компании своих клиентов. Система Davra позволяет клиентам мониторить многочисленные источники данных, поступающих из машины (включая телеметрические данные, данные о местоположении, информацию с датчиков, из сети, видео и т. д.). Затем клиенты получают возможность воспользоваться централизованным пультом управления, чтобы получить полное описание состояния всех элементов и оценку статуса грузовика. Используя возможности туманных вычислений, клиенты могут в реальном времени реагировать на получаемые данные, не возвращая грузовик на базу. Беспроводное обновление программного обеспечения, изменение маршрута, сигналы водителю и даже коммуникация со связанной инфраструктурой могут осуществляться удаленно и при необходимости автоматизироваться. Внедряя эти решения, клиенты сообщают в среднем о 15 %-ной экономии на топливе, а также существенном сокращении операционных издержек и затрат на техническое обслуживание грузовиков.

«Автомобили по своей природе мобильны и проводят большую часть времени в удаленных от организационного центра местах, поэтому, чтобы добиться постоянной доступности сервиса, очень важно обеспечить удаленный доступ и контроль над как можно большим количеством функциональных возможностей грузовика», – сказал мне исполнительный директор Davra Пол Глинн.

Вот, казалось бы, совсем другой пример: индийское молокоперерабатывающее предприятие, владеющее 150 магазинами мороженого. Мне особенно нравится этот пример, потому что он показывает, как индийский стартап успешно внедряет IoT для решения проблемы, которая, возможно, не возникает в США или Западной Европе, однако вполне типична для других регионов мира. В Индии часто происходят отключения электроэнергии, из-за чего компании пришлось оснастить каждый из магазинов мороженого запасным дизельным генератором, чтобы продукция не испортилась. Однако управляющие магазинами часто отключали эти генераторы для экономии денег, из-за чего компания всякий раз при отключении электричества теряла мороженого на несколько тысяч долларов.

В итоге компания обратилась за помощью к местному стартапу Nimble Wireless (рис. 5.3). По словам исполнительного директора Nimble Wireless Сивы Сивакумара, холодильники с мороженым оснастили небольшими многозадачными датчиками. Они автоматически подключались к сети, благодаря чему информацию с них можно было считывать удаленно посредством программного обеспечения, развернутого в облаке. Если температура в холодильнике поднималась на 1–2 градуса, система сообщала об этом дежурному. Если эта проблема не решалась в течение 5 минут, система выдавала предупреждение его начальнику. Если температура в этом холодильнике все равно продолжала повышаться, система продолжала высылать предупреждения – при необходимости даже исполнительному директору компании. И это были не электронные письма и не текстовые предупреждения, которые легко пропустить или проигнорировать, особенно ночью. Генерировались также голосовые предупреждения, которые призывали кого-то из находящихся в магазине предпринять необходимые действия. На случай если человек, получивший предупреждение, не знал, что делать, система предлагала ему возможные варианты решения проблемы, советуя закрыть дверцу холодильника или включить генератор. Она также составляла регулярные отчеты, которые показывали, где возникали проблемы, были ли они единичными или систематическими и насколько быстро предпринимались соответствующие меры для их устранения.

Рисунок 5.3. Пример Nimble Wireless

Через тринадцать месяцев молокоперерабатывающая компания сообщила о пятикратной окупаемости изначальных инвестиций. Теперь Nimble Wireless расширяет это решение, предлагая его другим индийским компаниям пищевой промышленности, которые производят сыр, масло и специи.

Вот последний пример: врезка нелегальных кранов в трубопровод и кражи нефти. Это огромная проблема, из-за которой отрасль недополучает миллиарды долларов. Как ни удивительно, такое случается часто – и не только в развивающихся странах. Решение: умный очистной скребок – устройство, которое можно установить в трубопровод во время его обычной работы. Умные скребки содержат различные датчики, которые выявляют наличие нелегальных кранов и сообщают о них, а также предупреждают о проблемах вроде коррозии стенок трубопровода или потенциальных протечках. В сочетании с облачной аналитикой и системой генерации отчетов такое решение дает клиенту потрясающие преимущества. «Используя умные скребки, клиенты могут на 95 процентов сократить расходы на обнаружение проблем в трубопроводе в сравнении с использованием традиционных методов проверки», – заметил Стив Бэнкс, управляющий директор компании i2i Pipelines, занимающейся производством умных очистных скребков для трубопроводов.

К конкретным выгодам этого типа удаленных операций на базе IoT относятся:

• Сокращение операционных издержек, поскольку проблемы выявляются и исправляются раньше, чем наступит ухудшение ситуации. Сокращаются и переменные операционные издержки, такие как потребление бензина.

• Сокращение количества срывов графика поставок и производства: компании лучше справляются с выполнением обязательств по уровню обслуживания и избегают любых предусмотренных договором штрафов.

• Повышение своевременности доставки, которое помогает улучшить обслуживание клиентов.

• Сокращение системных расходов, вызванных задержками, что помогает компании избежать всевозможных расходов из-за задержек.

• Оптимизация логистических систем, которая позволяет организации лучше оптимизировать ресурсы водителей, логистики, автомобилей и базы в целях максимизации эффективности.

Использование предиктивной аналитики для выявления и понимания проблем и незамедлительного принятия необходимых мер

Как я писал в предыдущей главе, именно предиктивная аналитика обеспечивает получение самых крупных преимуществ от внедрения IoT. Подключение устройств к сети и добавление ряда датчиков и счетчиков быстро приводит к генерации большего объема информации, чем может вручную обработать ваш персонал. Более того, когда данные IoT начнут поступать быстрее, чем их можно будет анализировать, у вашей команды голова пойдет кругом, несмотря на все сигналы и предупреждения. По мнению старшего вице-президента и научного сотрудника IDC Вернона Тернера, который занимается изучением интернета вещей, сегодня анализируется менее одного процента генерируемых данных. Предиктивная аналитика нужна вам, чтобы как минимум помочь своим сотрудникам с сортировкой и пониманием потока информации для обеспечения принятия обоснованных решений. Это не высшая математика – просто понимая основные схемы и выявляя исключения и отклонения от общего правила, вы уже сможете извлечь немалую выгоду. Но это только начало. Преимущество подключения всех этих умных ресурсов к единой IP-сети состоит в возможности корреляции и комбинирования данных, происходящих из разных источников, с целью получения новых сведений и принятия необходимых мер.

Вот производственная проблема: заводы работают, используя гораздо больше мощности, чем когда-либо ранее. Часто они работают круглосуточно на пределе своих возможностей, из-за чего у производителей не остается свободного времени даже на экстренное техническое обслуживание, не говоря уже о плановых профилактических работах. При простое заводы теряют до 20 000 долларов в минуту, поэтому производители не могут позволить себе остановку работы. Остановка может стоить заводу до 2 миллионов долларов, если оценивать ее влияние на всю систему. Такая же ситуация характерна для умных сетей электроснабжения, умных городов, транспортных сетей и других ответственных систем, которые должны работать непрерывно, порой имея время на техническое обслуживание лишь раз в год. Хотя иногда система может быть полностью дублирована, но это, как правило, непрактично и невыполнимо по экономическим причинам.

В компании Rio Tinto, пример которой обсуждался в одной из предыдущих глав и снова будет упомянут ниже, проблемы всегда происходили в почти недостижимых местах, но описанные здесь решения предиктивной аналитики могут в любое время применяться и адаптироваться к любому местоположению. Даже в городской среде, даже если поставщик услуг находится в соседнем здании, при возникновении проблемы требуется время на то, чтобы собрать обслуживающую команду, провести диагностику, собрать необходимые запчасти и наконец решить проблему. Будь это хоть час, хоть несколько дней – производство все равно страдает. Целевые показатели работоспособности системы не достигаются, заказы клиентов не исполняются вовремя, что негативно влияет как на валовую выручку, так и на чистый доход. Приведенные ниже цифры показывают не слишком привлекательную картину, но с предиктивной аналитикой на базе IoT вы сможете существенно улучшить эти показатели.

В своей статье «Чистая стоимость простоя»[28], опубликованной на сайте DevOps.com в феврале 2015 года, Алан Шимель показал: простои сильно влияют на широкий спектр отраслей. К примеру, вот показатели одной компании из списка Fortune 1000:

• Средняя сумма затрат на незапланированный простой приложений находится в диапазоне от 1,25 до 2,5 миллиарда долларов в год.

• Средние почасовые затраты на сбой в инфраструктуре составляют 100 000 долларов.

• Средние почасовые затраты на сбой в критически важном приложении находятся в диапазоне от 500 тысяч до 1 миллиона долларов.

Я не могу себе представить ни одной организации, которая по своей воле готова смириться с такими потерями, особенно при наличии проверенного решения. Давайте рассмотрим пример решения этой проблемы. Основанная более 50 лет назад компания FANUC (рис. 5.4) предлагает широкий спектр автоматизированного оборудования для производства автомобильных комплектующих и промышленного рынка вообще. Компания страдала от недостатка сведений о том, как клиенты используют ее оборудование в своих цехах. FANUC получала необходимую информацию только после того, как возникали проблемы, приводившие к затратным для ее клиентов простоям. Затем, в партнерстве с Cisco и Rockwell Automation, FANUC нашла решение, которое называет «приближенным к нулю временем простоя».

Рисунок 5.4. Пример FANUC

Чтобы приблизить время простоя к нулю, FANUC начала собирать операционные и диагностические данные, генерируемые ее роботами, работающими в производственных цехах (само собой, с позволения клиентов), хранить их в облаке и использовать предиктивную аналитику для устранения всех потенциальных проблем, прежде чем они окажут свое негативное влияние. И это работает! FANUC убедила ОТ– и ИТ-департаменты своих клиентов делиться данными. Анализируя эти данные в реальном времени с опорой на архивную информацию и метрики и улучшая время реакции на потенциальные инциденты, FANUC применяет IoT, чтобы предлагать своим клиентам профилактическое решение, которое точно (не забывайте, вещи неизбежно ломаются) станет бесценным.

Вспомните приведенный в прошлой главе комментарий Саджита Чанда об огромном потенциале энергосбережения. Вот как обслуживающая производственную цепочку Cisco команда достигает этого при помощи предиктивной аналитики. «Мы управляем всеми аспектами производственных затрат на наших фабриках, высчитывая их до последнего цента… Во всяком случае, нам так казалось», – сказал старший вице-президент Cisco Джон Керн, отвечающий за деятельность производственной цепи. Но до недавнего времени Cisco не контролировала один аспект своих расходов – стоимость электроэнергии. На одном производственном предприятии Cisco в Малайзии обслуживающая производственную цепочку команда развернула в цеху сеть из 1500 датчиков и использовала аналитическое программное обеспечение для сбора данных об энергопотреблении. Эта информация позволила им оценить энергоэффективность отдельных машин, систем и производственных процессов. К примеру, они взглянули на камеры для термотренировки и обнаружили, что расход энергии радикально различается даже у одинаковых моделей. Они копнули глубже, заменили недостаточно производительное оборудование и адаптировали работу камер, оптимизировав эффективность и энергопотребление. Результат: 15–20 %-ное сокращение энергопотребления на всем предприятии, которое на следующий год привело к экономии 1 миллиона долларов. Но для команды Керна это было лишь начало. Они уже ищут способы еще сильнее (на 30 %) сократить энергопотребление и внедрить эту систему на более чем 20 других предприятиях по всему миру. «Такие результаты открыли нам глаза. Мы сэкономили деньги и сократили свои углеродные выбросы», – заметил Керн.

Как только вы связали машины, устройства, вещи и сопутствующие им датчики и счетчики друг с другом в единой сети и начали сбор данных, далее логично наладить предиктивную аналитику. Существует множество решений и алгоритмов предиктивной аналитики, причем некоторые из них фокусируются на отдельных отраслях, сценариях использования и средах. Все эти решения оценивают приходящие к ним данные, сравнивают их с теми данными, которые были проанализированы ранее, рассчитывают влияние множества параметров, включая среду, погоду, материалы и операции, и предсказывают тенденции со статистической точностью. Благодаря этому вы знаете, что конкретная проблема с вероятностью X процентов возникнет в определенный промежуток времени, а это дает вам возможность заблаговременно предупредить нужных людей, чтобы они приняли необходимые корректирующие меры.

Это не магия – это просто проверенная статистика и теория вероятности. Чем дольше история и чем больше у вас данных, тем точнее ваши предсказания. Используя подходящее, разработанное на основе правил программное обеспечение, предиктивная система может сообщать вам, что и когда произойдет, и предлагать ранжированный по приоритету список возможных вариантов решения потенциальных проблем. Благодаря этому вы сами или ваши сотрудники получаете возможность принимать лучшие решения. Как и остальные сценарии быстрого достижения результатов, предиктивная аналитика представляет собой лишь первый шаг на пути к IoT. Как только вы внедрите предиктивную аналитику в свою производственную среду, ваша организация сможет оценивать и внедрять более сложные аналитические решения, включая прескриптивную аналитику и даже обучение на базе межмашинного взаимодействия.

Внедрение предиктивного технического обслуживания для повышения времени работоспособности системы и продуктивного времени

Предыдущий сценарий сосредоточен на шагах, которые обычные компании любой отрасли могут предпринять для достижения быстрых результатов. Но некоторые особые случаи требуют отдельного упоминания. Одна из моих любимых историй о получении быстрой выгоды от IoT рассказывает о нетипичной компании в нетипичной отрасли. Это история горнодобывающего предприятия Rio Tinto (рис. 5.5), которую я уже рассказывал в главе 3. Однако ее стоит рассказать еще раз. Она показывает, как быстрые результаты достигаются даже в экстремальных условиях. Внедренное Rio Tinto предиктивное техническое обслуживание окупилось сполна. Такие же выгоды может получить и любая другая компания, чьи системы и операции развернуты в экстремальной среде.

Рисунок 5.5. Пример Rio Tinto

Задача Rio Tinto заключалась в объединении процессов и оборудования в единую сеть с целью повышения эффективности, максимизации безопасности, минимизации штата и оптимизации объемов выработки. Ключевым аспектом проекта являлась автоматизация примерно 900 гигантских самосвалов посредством установки в каждый 92 датчиков для мониторинга состояния двигателей, трансмиссии и колес. Датчики отслеживают состояние, скорость, местоположение и другие параметры, позволяя грузовикам – которые перемещаются только по частной территории – функционировать без водителей.

Суммарно парк Rio Tinto генерирует примерно 4,9 ТБ данных ежедневно. Эта информация не только контролирует работу грузовиков, но и повышает эффективность операций. Превентивное техническое обслуживание обеспечивает максимальный срок службы оборудования. Датчики местоположения также позволяют для каждого грузовика выбирать самый короткий маршрут для минимизации потребления топлива. Как ни удивительно, эти маленькие выгоды выливаются в огромные преимущества.

Большинство необходимых технологий для создания такой системы уже существует – это и умные датчики, и интеллектуальные компоненты, и протоколы связи, и опыт в сфере программного обеспечения. Давайте снова обратимся к Rio Tinto. Как мы знаем, предприятие использует крайне дорогостоящее оборудование в очень агрессивной и удаленной среде. Это оборудование рано или поздно ломается, и лучше, чтобы это происходило не на самом дне глубокого карьера. Временные и финансовые затраты на ремонт вышедшего из строя оборудования Rio Tinto слишком велики – около 2 миллионов долларов в день на каждый сломанный грузовик. Теперь удвойте эти расходы, поскольку компания также вынуждена снять с работы еще один грузовик, который используется, чтобы вытащить поврежденную машину из карьера. (Чтобы вытащить одну из этих громадин, в дорожную службу не обратишься.) В итоге затраты Rio Tinto уже возрастают до 4 миллионов долларов в день – и это даже не считая стоимости ремонта поврежденного оборудования.

Помните, какое решение я описал в главе 3? Решить проблему помогает предиктивное техническое обслуживание. Вещи (оборудование, автомобили, машины, ресурсы, что угодно) ломаются во всех отраслях, причем зачастую это происходит в самое неподходящее время или в самом неподходящем месте. Должно быть, это следствие закона Мерфи. Однако если вы можете предвидеть эти поломки, то сумеете и предотвратить их возникновение в неудачное время и в неудобных местах. В результате вы сможете избежать сбоя в производстве, скажем, во время рождественских праздников, если вдруг какой-нибудь датчик покрылся пылью или возникли неполадки в моторе.

Предиктивное техническое обслуживание прибегает к ресурсам IoT для сбора и передачи информации. Ее можно анализировать почти в реальном времени, используя предиктивную аналитику для предсказания времени возникновения следующей неисправности, а желательно и определения момента проведения профилактики для устранения возможных неполадок. Это даст вам время скорректировать график производства, найти материалы и запчасти – все, что нужно, чтобы соблюсти производственный график, не тратя лишних денег из-за невозможности заблаговременного планирования.

Вот четыре сценария быстрого получения результатов и несколько примеров внедрения IoT реальными организациями. Хотите еще больше? Посмотрите, как ваши коллеги быстро получают выгоды, используя IoT во всевозможных отраслях. Попробуйте адаптировать один из следующих сценариев:

В сельском хозяйстве

• В Тасмании (Австралия) устричная ферма обратилась к IoT и предиктивной аналитике для оптимизации своей деятельности. Посредством системы датчиков IoT осуществляется мониторинг условий на ферме. Устрицы очень чувствительны к изменению температуры воды и ее чистоте. IoT дает предупреждение, если по какой-либо причине условия начинают ухудшаться, потенциально угрожая устрицам. Подобные решения используются и в США. Помогая компаниям спасти их устриц, IoT в буквальном смысле спасает потоки их выручки.

• В долине Напа (Калифорния) системы IoT осуществляют мониторинг и предупреждают персонал виноградников о любых проблемах с лозами и используют контекстуальную информацию, чтобы давать рекомендации и определять, когда лучше всего собирать урожай.

• Во многих регионах мира при культивации влаголюбивых злаков начинают использовать датчики и облачные системы для автоматизированной полевой апробации и снижения потребления воды.

• Давайте добавим к этому списку испытываемые в настоящее время лазерные системы сбора урожая, «сетевых коров», мониторинг рождаемости скота, а также мониторинг пчелиных ульев и прочие предиктивные решения, и вы получите представление о том, как радикально меняется сельское хозяйство с внедрением IoT.

В здравоохранении

• Дом престарелых использует IoT на базе комбинации умных переносных устройств и облачного программного обеспечения. Система выявляет признаки ухудшения состояния пациентов, отслеживает их жизненные показатели и даже предупреждает персонал о возможных несчастных случаях и падениях. Теперь дом престарелых даже позволяет семьям пациентов удаленно наблюдать за состоянием их родственников.

• К другим вариантам использования IoT относятся умные койки, которые подключены к системам скорой помощи и экстренных служб для ускорения постановки диагноза и определения схемы лечения пациента, когда на счету каждая секунда.

• В настоящее время в развитых и развивающихся странах внедряются системы удаленного ухода за пациентами, проживающими в труднодоступных районах, благодаря чему пациенты получают доступ к специалистам, работающим за сотни километров от них. Само собой, в этой сфере огромное внимание уделяется вопросам безопасности и неприкосновенности личной информации.

В розничной торговле

• Многие розничные сети проводят испытания и внедряют многоканальные решения (которые тоже у всех на слуху), позволяющие существенно улучшить обслуживание покупателей посредством комбинации возможностей онлайн– и офлайн-магазинов. Когда приоритетный или VIP-клиент входит в магазин, его приветствует менеджер; если VIP на несколько минут задерживается в каком-либо проходе, ему на помощь отправляют консультанта. Если покупатель, который ранее приобрел туфли в онлайн-магазине, входит в обувной отдел, ему тут же вручают купон на тот бренд обуви, которому он отдал предпочтение в прошлый раз.

• Магазины экспериментируют с умными полками, которые дополняют приложения для смартфонов или роботизированных консультантов, помогающих находить необходимые продукты и отвечающих на любые вопросы о них.

• Ритейлеры также тестируют системы предиктивной аналитики, которые позволяют им управлять потоками покупателей на основании количества людей, входящих в магазин, и их покупательских привычек. Они могут заранее понимать, сколько касс необходимо открыть, чтобы покупатели не стояли в очереди более пяти минут. Сегодня над такими решениями работают многие стартапы и крупные поставщики. Однако пока они остаются относительно незрелыми как с технологической точки зрения (например, в вопросах точности определения местоположения), так и с позиции бизнес-модели, поэтому на их развитие потребуется время. Если вы работаете в сфере ритейла или предлагаете B2B2C-решения, вам стоит подключиться к работе в этом направлении. Наверное, мне даже не стоит об этом упоминать, но многие подобные решения также требуют учета вклада клиентов.

В спорте и индустрии развлечений

• Существует множество систем (включая и разработанные в моей компании), которые улучшают зрительский опыт, позволяя аудитории использовать собственные планшеты или смартфоны для просмотра статистики или повторов, и в то же время позволяют операторам площадки динамически управлять своей деятельностью и ценами на все предложения, от аренды ларьков до билетов. (Если вы фанат с сезонным абонементом, разве вы не захотите получить возможность выбрать более удобное место на стадионе?)

В коммунальной сфере

• Если вы знаете, какой была ситуация в коммунальном хозяйстве десять лет назад, то вспомните и восторг по поводу умных электросетей. Хорошие новости в том, что IoT наконец-то начинает внедряться в энергетический сектор, где используют все больше умных счетчиков и умных электросетей, которые способствуют реальной экономии денег и электроэнергии как потребителями, так и коммунальными службами. Некоторые коммунальные службы сегодня экспериментируют с использованием систем на базе блокчейна для динамической интеграции солнечной энергии в электросети.

В умных зданиях

• В новых офисных зданиях используются системы умного освещения и физической защиты, а также осуществляется кастомизация и персонализация офисов. Эти решения пользуются все большей популярностью и при переоснащении старых офисных зданий. Владельцы зданий замечают, что арендаторы находят эти возможности IoT весьма привлекательными. Это позволяет сдать больше площадей по более высокой цене.

В образовании

• Массовые открытые онлайн-курсы, или МООК, сейчас на гребне волны, но мы также видим внедрение удаленного образования, которое позволяет учащимся из маленьких поселений в реальном времени посещать занятия высококлассных учителей, которые недоступны в их регионе. Добавьте к этому применение IoT в студенческих городках, например системы физической защиты, включая сигнализацию; решения по мониторингу и контролю энергопотребления и технологии для умных городов, включая системы парковки, и вы получите общую картину.

В отрасли авиаперевозок

• IoT помогает авиакомпаниям и операторам аэропортов сократить время, которое самолеты проводят на летном поле, и минимизировать их массу, тем самым снижая расходы на топливо. Некоторые наиболее эффективные авиакомпании заметили, что самолеты задерживаются на летном поле из-за длительного скачивания данных из их систем. В результате сегодня повсеместно внедряются высокоскоростные сетевые решения, помогающие сократить это время. В среднем в самолете находится несколько тонн проводов, которые связывают многочисленные подсистемы, а также системы видеодемонстрации и развлечений. В настоящее время отрасль анализирует, какие из этих проводных связей могут быть заменены беспроводными технологиями, способными устранить необходимость в лишних проводах, тем самым снижая массу самолета. Оценки потенциальной экономии на килограмм массы самолета значительно разнятся, но облегчение самолета на тонну точно даст существенный финансовый выигрыш.

В армии

• Интернет вещей внедряется даже во все подразделения вооруженных сил. Использование роботов, дронов и искусственного интеллекта в этой сфере по сей день приводит к большому количеству споров, однако сетевое поле битвы уже становится реальностью. Снабженные 360-градусными камерами солдаты направляются мобильным командованием и центрами обработки данных, установленных прямо в «Хамви». Контекстуальная информация от солдат, дронов, спутников и датчиков позволяет подразделениям замечать и выявлять угрозы заранее. Умная одежда следит за жизненными показателями солдат и условиями окружающей их среды и может даже осуществлять первичную диагностику в случае ранения. Подводные лодки внедряют сетевые системы, которые могут противостоять торпедированию. Военные самолеты оснащаются предиктивными контекстными системами.

Я могу и дальше перечислять сценарии и возможности для быстрого достижения результатов в других отраслях, однако вы, наверное, уже поняли суть: возможности для быстрого получения выгоды есть в каждой из них. Некоторые отрасли начинают внедрение сетевых операций, в то время как другие уже успешно используют предиктивное техническое обслуживание. Но я не могу назвать ни одного рынка, где сегодня не внедряется IoT.

Оглавление книги